Unity挑战大世界刷草（二）

Posted 2023-04-26

参考技术A 我们要求记录草海中草的位置信息是为了能够创造出一个尽可能" 确定 "和" 可控 "的世界，试想如果没有这条限制，我们不在某种程度上确切记录草的位置，那么一片草海位置信息是可以用 0 bit 的容量来记录的，毕竟只要写个随机函数，让草自己随地扎根就行了，不用浪费空间存储每一株草在哪里。然而我相信大多数项目中，策划和场景美术同学应该不同意这么干，他们会希望能精确绘制出地表植被的分布，规定哪儿有草，哪儿没有，甚至在哪里必须放上几株并设置好朝向等等。

可是，另一方面，想要 精确存储每一株草的位置信息似乎是一件不可能的事情 ，至少看起来很不划算。这点刚才已经算过，一个10公里的地形，每平方只种10根草，只记录位置一个信息，就要消耗掉数十GB的磁盘空间，更别提金贵的内存了。

余下能做的事情就是找出一种折中的办法来调和这对矛盾。这边我给出一种比较常用的解决思路：对于那些注定会成为草海的草（草海的主体），策划和美术同学放弃对每一株草的精确控制，转而控制一小块面积内草的各项属性。如果设置合理，我们能很轻易的降低整体信息量1到2个数量级，同时也能保持全局的草海分布趋势，达到效果和设备的平衡。按照这种思路，很自然的，我们想到使 用密度来表示一个单位面积的地皮上有多少草 ，这样原本需要记录的数值，已经不再是单株草的坐标了，而是这整块地皮的中心点坐标，以及地皮上草的密度值。

这种将单位地皮作为整体打包记录密度的做法，使我们就把原来10 ~ 100株草的数据量一下子压缩到了1株的数据量，当然这个密度转化的过程中是有信息丢失的，我们 丢失了单位面积内100株草的局部偏移信息 。这是一个问题，但也是一个相对容易处理的问题，比如我们可以赋予每株草一个单位面积内随机的偏移来补全/伪造因合并而丢失的信息，亦或者由美术同学直接指定这一平米面积内草的分布，规定他们的位置和朝向。更妙的是，借由密度化地块这个过程，我们其实也 离散化 了整个世界，现在的世界地图（至少密度地图）对我们来说是一个一个平铺开来的，拥有固定尺寸的单元格，为方便计量，不妨预设单元格尺寸是1米，这样密度的单位也就变成了"N株草每平方米"。离散化的好处有很多，之后会细讲，其中主要的一点是我们从此可以丢掉浮点数，专注于整型的计算和存储了，而且一些数据结构的运用也会变得更加高效。

一般而言草海的分布是具有连续性的，打个比方，只要不是草海的边缘，一块地皮的密度与它四周8块领域地块各自的密度有很大概率是相等的，这说明在不丢失信息量的前提下，还有压缩密度图的空间，所以不论是把密度图存成纹理格式，在编码成某种形式的图片，还是将密度图在平面上切分，编入四叉树结构，都能再次大幅降低草海信息的体积。

最后对于那些确实有需要精确到位置和朝向的植被，我们不妨将之梳理出来，再开个小灶。只要这部分需求的总量不大，就不会造成实质上的问题。之于如何开小灶，我想方法也有很多，比如我们可以针对这些特殊植被再生成一张密度图来渲染，只不过这次密度单位不是1米，而是0.1米或更小，只要特殊植被数量不多，这些密度图经过压缩后也挤占不了多少空间。

好了，到目前为止我们了解了渲染草海的基本特点，面对的挑战，以及一些重要概念和方案。是时候明确下基本技术选型了。

首先是草的几何表现形式，这里选择了 模型草 作为开发的基准。从技术实现角度出发，模型和面片草对程序来说区别其实不大，更多的是美术工作流的变化，以及视觉效果的转变。考虑到移动端对透明度测试的优化问题，以及植被与玩家交互作用的表现力等方面，暂时选择了模型草作为开发的基础，当然添加对面片草的支持相当容易，如果有需求的话，后续追加也不迟。

然后承接刚才密度的方案，我们需要将美术同学在世界空间中刷出来的草海， 以密度块为基本单元，存入某种数据结构中压缩起来 。这边选择支持简单的二维纹理编码（可以理解为压缩成图片），同时也支持四叉树编码密度，做四叉树这部分主要是基于个人兴趣，想尝试下构建一套快速范围搜索的算法，当然四叉树也是有别的好处的，之前也讲过，在内存中，四叉树理论上会比解压后的纹理密度图占用更少的体积。那么对于密度变化不复杂的地区，选用四叉树编码，就可能节约数兆字节的内存。

接下来是越来越为人所知的一个术语： GPU Instance 。 还记得我们在开篇研究了草海的基本特点么？它具有“海量”和“同质”的特点。而GPU Instance 可以理解为一般图像引擎会提供的一套接口组件，专门用来处理符合“同质”特点的“海量” 实例。处理时，我们只使用一套几何构造作为所有实例的标准“模板”，然后CPU会告知GPU：“需要复制多少份这样的模板，这些模板最后放置在哪儿”等很少的信息，余下的活就交给GPU去处理了。如此一来，虽然GPU的活没少干，但是CPU解放了，自然能提升不少性能。

规范得说，我们可以通过调用了基于 GPU Instance 技术的 DrawMeshInstancedIndirect（...）接口来消减CPU管理Mesh个数，同时也降低了和GPU之间的IO负载，提高Batch数。如果有的同学不理解，也不用担心，后续我们也还会结合示例来详细阐述。而且这些内容在Unity官方文档上都有详细介绍，有兴趣的同学可以去读一读。

此外还值得一提的是，我们选择了面向移动端的 URP 渲染管线，因为其底层的一些优化，特别是 srpBatch 可能会对降低开放世界整体的 DrawCall 消耗有所帮助，这里就不做展开了。

好了，今天我们先到这里，做一个总结：草海位置信息很多很头疼，我们选择用密度块方式，通过四叉树编码后存放起来；然后针对表现层面的需求，我们使用Mesh面数较高的模型草作为草海的主要载体；最后提了一点 GPU Instance 的信息。接下来的文章会进入所谓“绘制草海”的主要环节，即算法逻辑的实现。

自动驾驶即将来临 长安CS55成功挑战世界纪录

11月的山城重庆，云雾缭绕，应长安汽车邀请，经纬赴重庆参加世界最大规模的自动驾驶巡游活动，在垫江汽车试验场，长安汽车将使用56辆汽车挑战世界吉尼斯世界纪录。

此次活动如果挑战成功，长安汽车将会获得世界最大规模的自动驾驶车巡游的吉尼斯世界纪录荣誉。

首先给大家普及下现在自动驾驶技术的分级，从L1-L5，现行SEA美国汽车工程师学会对L2级别的自动驾驶定义是部分自动化，针对方向盘和加减速集中多项操作提供驾驶支援，其它由驾驶者操控。也是现在主流化的驾驶辅助级别。

从实际数据分析，长安汽车将车道横向距离和前方的横向距离探测精度由20cm提高到了5cm，前方车辆总体距离精度由1m提高到接近10cm。决策控制功能方面，将响应精度由之前的5%提高到了接近1%的程度。

挑战开始前，长安汽车已经将56辆车整备完毕，依次排开在高速测试环路上，远远看不到头，像一条红色长龙。此次挑战的车道比常规车道窄12%，所以又为挑战增加了难度。

最终经过3.2公里的巡游，长安汽车成功完成了挑战，最后以55辆车的数量成功挑战了世界吉尼斯世界纪录，成为了世界上首个成功创造该记录的汽车品牌。

随后第二天，长安汽车技术开放日中，长安汽车展示了包括自动驾驶在内的多项处于行业领先水平的智能化以及新能源技术，其中更展示了可供体验的L4级别的自动驾驶体验车。也是国内首家面向公众体验的L4级别自动驾驶的的商业化应用。并且还可以实现一键约车，远程自动取还车。

不断超越自我，创新创造，自主品牌能成功挑战吉尼斯世界纪录不是偶然，是长安汽车长年累月的技术累计。也将持续推动中国汽车行业智能化的发展。为消费者带来更极致的出行体验。

30秒懂车 更多热门新车视频↓↓↓ 小程序

▼ 点这儿，看更多精彩内容